人工智能控制技术

前言
学习情境1认识人工智能
学习目标
情境简介
情境分析
支撑知识
1.1人工智能的产生
1.2人工智能的发展
1.2.1计算机时代
1.2.2人工智能的开端
1.2.3人工智能程序积累阶段
1.2.4超越人类的临界点
1.3人工智能的定义
1.4人工智能的分类
1.4.1按发展阶段分
1.4.2按应用领域分
1.4.3按智能化强弱程度分
1.5人工智能对人类的影响
1.6人工智能应用案例
任务实施
小结
课后习题
学习情境2运动系统的设计与应用
学习目标
情境简介
情境分析
支撑知识
2.1智能控制
2.1.1定义
2.1.2应用
2.1.3特点
2.1.4发展
2.2运动控制
2.2.1定义
2.2.2分类
2.2.3执行过程
2.2.4机械运动
2.3反馈
2.3.1定义
2.3.2分类
2.3.3应用
2.4PID技术
2.4.1比例控制
2.4.2积分控制
2.4.3PI控制
2.4.4微分作用
2.4.5采样周期
2.4.6参数调整方法
2.5脉冲宽度调制
任务实施
2.6任务1定级恒温系统设计与应用
2.6.1开环控制
2.6.2MCU配置PWM
2.6.3非机械类的运动控制结构图
2.6.4过程实施
2.7任务2无级变温恒温系统设计与应用
2.7.1闭环控制
2.7.2无级调温
2.7.3数字PID
2.7.4过程实施
2.8任务3可运动的温度控制系统设计与应用
2.8.1步进电机的使用特性与工作特点
2.8.2步进电机的选用及其注意事项
2.8.3步进电机的控制原理
2.8.4步进电机控制系统的典型接线
2.8.5步进电机驱动程序范例
2.8.6过程实施
小结
课后习题
学习情境3视觉识别系统的设计与应用
学习目标
情境简介
情境分析
支撑知识
3.1机器视觉
3.1.1定义
3.1.2基本原理
3.1.3典型构成
3.1.4主要工作过程
3.1.5应用案例
3.1.6发展趋势
3.2视觉识别软件
3.3OpenCV既定目标识别与跟踪举例
任务实施
3.4任务1OpenCV for Android的开发环境搭建
3.4.1OpenCV特性
3.4.2Android使用OpenCV的主要过程
3.4.3图像的基本操作
3.4.4过程实施
3.5任务2OpenCV for Android预览摄像头图像
3.5.1相机简介
3.5.2OpenCV有关相机方法
3.5.3过程实施
3.6任务3OpenCV for Android摄像头参数设置
3.6.1JavaCameraView的参数设置
3.6.2Camera的回调接口
3.6.3过程实施
3.7任务4OpenCV for Android模板匹配和物体跟踪
3.7.1模板匹配的定义
3.7.2模板匹配的基本原理
3.7.3模板匹配的算法模型
3.7.4OpenCV for Android模板匹配实现
3.7.5过程实施
3.8任务5OpenCV for Android的颜色识别
3.8.1颜色空间
3.8.2OpenCV的HSV颜色空间
3.8.3OpenCV颜色识别相关函数方法
3.8.4OpenCV颜色识别主要流程
3.8.5直方图均衡化
3.8.6形态学运算
3.8.7OpenCV的形态学处理函数
3.8.8过程实施
3.9任务6OpenCV for Android的形状识别
3.9.1图像矩
3.9.2边缘检测
3.9.3轮廓提取
3.9.4图像滤波
3.9.5霍夫变换
3.9.6形状识别的主要过程
3.9.7凸包检测
3.9.8过程实施
3.10任务7OpenCV for Android模型训练及手写数字识别
3.10.1支持向量机（SVM）
3.10.2用支持向量机实现识别过程
3.10.3分类器
3.10.4过程实施
小结
课后习题
学习情境4语音识别系统的设计与应用
学习目标
情境简介
情境分析
支撑知识
4.1人机交互
4.1.1定义
4.1.2三次革命
4.1.3发展趋势
4.2语音交互
4.2.1组成
4.2.2应用
4.2.3发展趋势
4.3语音识别SDK开发包
4.4科大讯飞语音识别
任务实施
4.5任务1让机器记下您说的话——语音听写系统的设计与应用
4.5.1语音听写
4.5.2科大讯飞语音听写服务
4.5.3科大讯飞语音识别流程
4.5.4过程实施
4.6任务2让机器说话给您听——语音合成系统的设计与应用
4.6.1语音合成
4.6.2讯飞语音合成服务
4.6.3过程实施
4.7任务3让机器执行您的语音指令——语音析义系统的设计与应用
4.7.1语音唤醒
4.7.2讯飞语音唤醒服务
4.7.3科大讯飞多个服务联合应用设计
4.7.4过程实施
小结
课后习题
学习情境5认知系统的设计与应用
学习目标
情境简介
情境分析
支撑知识
5.1机器学习
5.1.1定义
5.1.2范围
5.2神经网络
5.2.1感知器
5.2.2感知器的应用
5.2.3权重各阈值
5.2.4决策模型
5.2.5矢量化
5.2.6神经网络的运作过程
5.3机器学习的实现
5.3.1关键因素
5.3.2实现过程
5.4深度学习
5.5深度学习的工具
任务实施
5.6任务1让机器决策思考训练——决策层的识别模型训练
5.6.1TensorFlow的基本操作
5.6.2TensorFlow的安装与配置
5.6.3损失函数和优化器
5.6.4TensorFlow模型训练
5.6.5过程实施
5.7任务2让机器执行认知指令——决策层应用设计
5.7.1TensorFlow Lite简介
5.7.2TensorFlow Lite的使用
5.7.3TensorFlow Lite的实现过程
5.7.4过程实施
小结
课后习题
附录人工智能控制技术实训平台
参考文献